去年36氪WAVES 2024大會上，我們曾特意設定一個Kimi投資人和MiniMax投資人的對壘環節。彼時，大模型公司的競爭如火如荼。因為兩家產品更toc，更符合美元基金審美，融資也跑得更快，所以經常被放在一起做比較。
但一年後，隨著DeepSeek的橫空出世，整個中國大模型的牌局已天翻地覆。兩家已沒有那麼針鋒相對，他們的未來可能性也成為新的議題。
某種意義上，這是我們重組這個panel的原因之一。在6月11日舉辦的WAVES 2025大會上，我們重新邀請了當時的部分嘉賓參與討論。他們是：真格基金管理合夥人戴雨森、雲啟資本合夥人陳昱、高榕創投合夥人胡朔和明勢資本合夥人夏令。
當時，Kimi和MiniMax已經安靜很久。但在上一週，它們則不約而同有了新動作：Kimi開源了程式設計模型Kimi-Dev，它的第一個Agent kimi-Researcher(深度研究)也開啟小範圍測試。而MiniMax則開源了首個推理模型MiniMax-M1，並完成連續五天的更新。
這些訊號也都指向本場panel中所總結的：儘管所有中國AI公司都從DeepSeek中受益，但大模型戰爭遠遠沒有結束。
除此外，我們的討論也延展到當下最火熱的投資熱點Agent和具身智慧中的泡沫，並一起探討了投資中的那些“苦澀教訓”，以及AI時代那些將要發生的瘋狂的事。
一年間，我們的對話更像從兩家大模型公司的對壘，升級成AI與人類的對壘。這場對壘中，我們也發現，某種意義上，AI更像人類的映象。研究AI，也是人類的一場終極自我瞭解之旅。
以下是對話摘編：
DeepSeek與六小虎
中國AI公司都從DS中受益
但格局遠遠沒有定
於麗麗：各位怎麼看被DeepSeek改變的大模型牌局以及六小虎的可能性？也順便幫我們透露下，Kimi和MiniMax在忙什麼，前邊很長時間他們都挺安靜的。
戴雨森：作為早期AI投資人，我們很難變魔術，或者去預測未來。一年前，我們預測不到，接下來的一年，也很難預測。
我們投資一家公司是因為投人。我們不是因為大模型投資Kimi，而是投資團隊。現在是技術革命的早期，他們仍然是擁有中國最優秀團隊的AI創業公司之一，以及擁有最多資源的AI創業公司之一。
如果我們相信AI是一件非常大的事，你有最好的團隊，又有最多資源，仍然能夠做出很多有意思的事來。
之前特別火時，六小龍好像已經成龍，現在又是另一種反應。我覺得都是情緒表現。我們更多關注團隊是不是在穩定做跟他們願景、方向一致的事。軍心有沒有散，團隊有沒有散，是不是還在大的方向上持續創新。這些才是真正考驗的地方。牛的公司，往往都會在這些時刻顯現出來。
我跟他們聊下來，反而覺得有更多興奮的地方。一年前，就是比投放、比使用者，現在則回到技術前沿，回到強認知，我相信反而更適合以技術大牛為核心的創業團隊。因為比投放，其實是大廠的機會，所以我覺得他們狀態還挺好的。
陳昱：AI是一個瞬息萬變的行業，一年抵得上其他行業的三年、五年，甚至十年。
春節前，DeepSeek釋出之後，無論是V3模型，還是R1在推理能力上的表現，都讓人非常驚豔，因此它能在短時間內迅速佔領使用者心智。在搜尋類應用的市佔率上，它已經處於遙遙領先的位置。
但這並不意味著大模型就只有大語言模型、只有推理方向。過去一年，我們也看到MiniMax在多模態領域帶來了不少驚喜。比如海螺的影片生成，效果非常亮眼，更重要的是，它實現了商業化落地。
另一個讓我印象深刻的，是語音合成模型。大家最近刷抖音有沒有看到“吳彥祖教你學英語”？其實是MiniMax在提供背後的技術支援。我第一次聽的時候，也難以分辨到底是真人還是AI，直到後來才知道是MiniMax的客戶，感嘆這真的挺厲害的。
從這些細節也可以看出，MiniMax在過去一年做了很多有意思的探索，但並不是每一個專案都站在聚光燈下。
創業公司的資源始終有限，即便像DeepSeek這樣的公司，也不可能面面俱到。在有限的資源下，閆俊傑選擇押注影片和語音模型；在大模型架構方面，他特別看中線性注意力機制，賭的是未來能實現幾乎無限長的上下文能力——這對於社交陪伴類應用，或是構建Agent系統，都是非常關鍵的。
當然，這意味著他可能把推理模型的優先順序稍稍往後放，這個決策究竟是對是錯，就交給時間來評判。但我想說的是：對於一個創業公司而言，最重要的是如何用有限的資源不斷做出創新和突破。
胡朔：客觀講，DeepSeek的出現確實讓大模型的融資環境更加瓶頸化了。但DeepSeek出現後，我們有幾個有意思的觀察。
第一個是DeepSeek做了很好的使用者教育，更多使用者開始用AI的產品。
第二個是我們發現在今年年初，無論DeepSeek R1，還是Kimi 1.5，都類似OpenAI o1，透過強化學習提升了模型的推理能力，展示了更好的模型效能，這也說明了咱們華人團隊和中國創業者有極強的research和技術靈感。
還有一個發現，我們確實看到模型效能在持續湧現，包括長程規劃和多模態能力，所以無論是大模型廠商，還是做應用的公司，他們都可以基於更好的模型效能，為使用者創造更好的產品體驗和使用者價值。這是非常好的獲取使用者和產生營收的紅利期。
夏令：今天，我們4個投資人還能坐在這兒，就說明大模型的格局還沒定。MiniMax跟Kimi肯定還在牌桌上，要不然我們就不會被邀請了。
首先從整個行業宏觀上看，DeepSeek提振了整個中國AI行業的全球地位，所有中國AI企業都是受益的。
一年前，很多海外LP會疑問中國的模型公司到底有沒有能夠做出跟openAI比肩的模型，但今天大家充滿信心。拉長時間看，如果未來全球格局有5-6家大模型公司構成，我們相信裡面至少有2-3家是中國大模型企業，但是是哪些，這個格局遠遠沒有定。
就以過去10年我們參與度很深的智慧電動汽車行業為例，格局一直在持續變化。14/15年近百家創業公司造車，前兩年，在大家以為第一階段電動化格局已定的時候，小米汽車橫空出世，而第二階段的智慧化一定會再次改變2030年的汽車品牌格局。
反過來，DeepSeek對所有做大模型的公司是一個重新定位、反思的過程。在DeepSeek v3釋出前，MiniMax就在調整自己的定位，把追求領先的模型研發作為一個最高優先順序事情。包括位元組、六小龍其它家在R1之後也都做適合自己的定位調整。作為投資人，我們會關注支撐企業定位所需要的資源是否都具備，包括資金、人、算力等。還有對創業公司很重要一點，就是是否依然擁有非共識的地方。就像MiniMax從Agent發展需要的角度對Linear Attention有自己的堅持。
我認為MiniMax依然是一家公司有野心，有足夠的資源，同時還有自己堅持的非共識的公司，我們還是很期待，也非常有信心。
Agent時代的訊號與噪音
殼有殼的價值
還在被研究員主導的世界低估
於麗麗：很多人說Agent的時代已經到來，哪些訊號說明Agent真的到來了？相比大廠和模型公司，做Agent的應用公司真正機會在哪裡？
戴雨森：關於Agent，現在眾說紛紜。我們確實看到Agent是一種能自主計劃、呼叫工具，反思結果，並完成長程任務的AI應用。
AI的發展有點像燒開水。當水燒開了，才能解鎖蒸汽機的機會。隨著過去12個月推理能力，程式設計能力，工具使用能力的突飛猛進，屬於Agent的蒸汽機時刻已經到來了。
我們投的Manus和Genspark兩家應用，我覺得是有希望衝擊人類歷史上ARR增長最快記錄的。
一個AI應用給使用者帶來的價值是分為好幾個層面的：
第一層是模型層，叫API也行。第二層是context。context包括三層。
第一層是公開的context，比如說新聞、維基百科這種剛剛發生的、公域資訊；第二層是組織里邊，比如說一家公司內部的文件、流程。
第三層是我作為一個使用者跟它對話的歷史，我的個人偏好。公域是大家都能獲取的，但你有不同的獲取方式，很多時候會帶來不一樣的價值。最後你跟什麼樣的環境互動，對環境進行改變，這個是由應用公司建造的。
使用模型，類似汽車造發動機，發動機好了後，context、environment都是大量應用公司來做的。模型公司不可能把所有事情都做了。我們會從單純需要發動機，到需要一輛整車。
當然，有很多造車的確實之前是造發動機的。有很多人說你是套殼，回頭模型公司做個把大家幹掉。很多很好的AI應用，大家一邊是說套殼，一邊它們在變成百億美金的公司。
我們自己內部討論過，殼的價值在哪裡，基模公司會不會插進Agent市場。我覺得第一點，像OpenAI這樣的基模公司會做自己的通用型Agent產品，這個毋庸置疑，但在特定領域、特定場景下，當你做得更細時，就有它相應的價值。你生成的PPT更漂亮，使用者自然會選擇你。這個就和僱員工是一樣的，你有什麼樣的需求，就去僱什麼樣的員工，但員工本身是多樣化的，不一定要在大廠裡工作過。所以殼有殼的價值，只是現在還在被以研究員主導的世界低估。
陳昱：我們今年關注得更多的，其實是偏垂類的Agent，而率先落地的場景，很可能就在汽車領域。
比如，位元組推出的豆包汽車產品，依託其大模型，已經能在超百萬臺車上快速落地。使用者在車上就可以直接和Agent系統互動，因此很快大家就能在實際應用中感受到Agent不同於傳統生產工具的價值。
其他領域，也在快速Agent化。比如上一波的SaaS公司，現在逐漸引入了Agent的技術，很多時候也是客戶推動的。
Agent和上一代的SaaS最大的不同在於：過去SaaS更多是交付一個軟體，最終效果好不好，還得看客戶怎麼用；因此，客戶的付費意願並不總是那麼強。而現在，Agent直接交付的是結果——效果怎麼樣，一眼就可以看出來。如果結果足夠好，客戶自然就願意付費。
剛才提到類似於Manus這樣的Agent系統，為什麼增長這麼快？原因在於使用者真正感受到它們的效率提升。生產力提升是看得見的，結果是實打實的，自然願意為之付費。這也正是Agent真正價值所在。
胡朔：我認為AI Agent是具備推理的基礎模型，能夠呼叫工具與真實世界互動，自主完成任務。如果沒有工具，那只是一個基礎模型；但如果沒有推理，那就是一個工具。
今天我們使用的APP和網站，大部分也是Agent，只是它沒有推理能力而已。如果基於這個定義，今天我們看到有兩類Agent，就是剛剛兩位投資人提到的通用Agent和垂直Agent。
從競爭角度，我認為在通用Agent領域，具備使用者規模的大廠和頭部大模型公司有天然優勢。當然，今天我們看到很多優秀的創業公司也在探索和挑戰通用Agent。
垂直Agent因為有可能積累自己獨有的knowledgebase和memory，從而形成一定護城河，有機會基於垂直領域獲取一定規模的使用者。甚至在下一階段，當有一定規模使用者後，有可能反過來去探索通用Agent未來的入口。
夏令：我們去年下半年開始部署Agent的投資，但是真正對Agent覺得必須要高度重視，而且有緊迫感，確實是在DeepSeek爆火之後。因為DeepSeek是L2的能力，大家會思考L3的階段什麼時候？在跟國內外大模型公司交流完後，我們覺得一年之內Agent L3的節點可能會到，所以很快明勢內部對於Agent這個事情有很強的緊迫感。
今年2月份，我們拉著我們投資的一批企業探討Agent，積極鼓勵大家往Agent方向去做嘗試和思考，包括Genspark、Liblib和艾語智慧。我覺得這些portfolio反應速度是非常快的，也達到很好的效果，整個市場的共識形成速度非常快。
我們比較早提出一個觀點：在中國做垂直領域的Agent，不能當成工具來做，應該是交付結果。最近美國紅杉也提出要看結果，整個行業裡面共識速度非常快。
今天來看，三類Agent是我們一直比較關注的。
第一類姑且把它稱為“產能提升100倍”的Agent。不管是coding，還是圖片，還是PPT，總之能夠把產能提升100倍。
第二類是那種能夠把“成本降低100倍”的Agent。跟前面的產品相比來說，結果相對要求比較明確的，過程流程也是比較確定的。
這種Agent，一上來可能不是人機共創的過程，而是儘可能讓AI端到端去完成整個鏈路，最後實現成本降低100倍。這樣以前ROI算不過來的場景能夠重新計算過來，改變整個商業模式。
第三類Agent就是“完全創造新的東西”，比如說類似AI for science等等。
這三類Agent是我們持續去關注的，對於創業公司來說都有機會。但我覺得最重要一點是創業公司一定要聚焦，我們一直很強調創業公司要在一個垂直、專業性的場景裡做事。不僅僅要聚焦，還要迭代快，聚焦的人群或者場景上要快速做嘗試/做迭代，這樣可以規避大廠競爭。
對於創業者來說，我覺得這個可能是創業公司在Agent時代能夠殺出來的機會。
陷入爭議的具身智慧
希望泡沫之後是啤酒
於麗麗：今年的另外一個投資熱點是具身智慧。年初，因為朱嘯虎退出了一些專案，也引發了整個行業是不是陷入泡沫的討論，不知各位怎麼看？這裡邊究竟哪些是近的機會，哪些是遠的機會？
戴雨森：泡沫肯定很大，直觀感覺是，無論投資人，還是創業者，都很熱烈。有些人有種反正投資人給我錢，來都來了，就做做的感覺，泡沫還是不小的。
我們說DeepSeek時刻。DeepSeek不是天上掉下來的，先是技術路線transformer比較明晰，然後到大規模訓練GPT，逐漸scale up。從GPT1到GPT2、GPT3。再從技術到產品，不是GPT3火了，是GPT3到InstructGPT，到ChatGPT，是產品落地火了。
去看這個過程，現在具身智慧可能還在想到底是哪條技術路線比較明確的路上，然後才是scale up，才是產品落地。
跟語言模型相比，它在非常早期的階段，我覺得肯定有泡沫在。但我們做早期投資，不可避免會投很多泡沫，或者參與到泡沫裡去。
但世界上有兩種泡沫，第一種泡沫認為過去的事在未來會繼續，比如有人認為房地產會一直漲。第二種泡沫是認為未來會非常不一樣，比如說科技領域的泡沫，最有名的是網際網路泡沫。
我覺得第二種泡沫是好的泡沫，因為你相信未來會非常不一樣，無論是當年建設網際網路基礎設施，還是現在去買算力，這種泡沫都有很強的正向溢位效應。
參與具身智慧泡沫的人，創業者也好，投資人也好，要做好心理準備，我們希望泡沫後面有啤酒。
我們非常關注這個事，非常關注這個事沒有火之前也要幹，投資人不投錢也要幹，自己掏錢也要乾的這些創始人，而不是投資人攢好局，等著他出來的創始人。我們主要是這樣一個態度。
陳昱：具身智慧現在確實有不少泡沫，如果用傳統的PE、PS指標來衡量，基本是看不下去的。但這讓我想起差不多十年前的自動駕駛。
2016、2017年那一波的自動駕駛創業潮，很多公司開始做L4自動駕駛。那個階段，大多還停留在實驗室層面，只能完成一些基礎任務。今天的具身智慧，其實也有點類似——成本高昂、技術路徑不清晰，但估值和融資額卻漲得非常快。
自動駕駛後面經歷了大概3-5年的平臺期。那時融資幾乎停滯，因為前期大家砸了很多錢，但是沒有看到預想中的技術突破或商業進展。這個過程中，創業公司開始分化：有足夠資金、技術又紮實的玩家還能留在牌桌上，等待十年之後可能迎來的商業化拐點；而沒錢、技術又跟不上的公司，基本很難熬到最後。
等到真正商業化來臨時，技術會更加成熟，成本也降下來，產品才真正具備規模化落地的條件。
所以對於我們做早期投資的人來說，如果現在不投，後面就沒多少機會了。我們希望在行業還未定型的階段，選中幾匹有潛力的賽馬——既有技術能力，又有融資能力。路線不清晰沒關係，我們可以在硬體、軟體等差異化路線上同時佈局，最終跑出真正的贏家。
胡朔：關於泡沫，它可能不是一個貶義詞。我們內部正好有過一個研究，歷次的技術革命，因為有資本市場的存在，它加速了技術釋放潛力。所以很多次新技術，泡沫是必經之路。
只是對投資人的一個要求，是能夠在更早的時候進入和在一個很好的時點退出。
回到具身智慧領域，我們更加關注實現商業化和規模化的落地。確實我們今天看到在某些垂直的領域，因為硬體成本的持續下降和AI能力持續提升，已經出現商業化落地的臨界點，有幾個行業的市場規模在最近1-2年就翻了幾倍，這是我們今年非常看好的行業。
夏令：我覺得還是先明確facts層面的事。今天具身有幾個比較明確的facts：
一是具身智慧到目前為止，它的預訓練階段還沒有找到自己的scaling law，就是用什麼樣的資料，基於什麼演算法，能有scaling law的表現。
二是硬體層面來講，確實進步很大，但是在工程化上還有不足。比如說它的成本，不論人形還是上肢人形下肢底盤，基本上成本8-10萬美金，還是比較高。還有一點，目前平均無故障時間很難滿足真正商業化落地的要求。
三是具身今天可以精挑細選一些落地應用，但是大規模泛化商業場景還很難。
這是一些基礎的facts。基於這些facts，不同機構有不同投資策略，比如說有的就一定要在PMF時才去投，有的會更激進地去投，這個和各家基金的資金屬性，以及投資策略都有關係。
我覺得只要大家對於facts層面的認識沒有問題，至於投資策略，我們也很難評價不同機構做法一定對或錯。
我們更多還是聚焦到我們自己。明勢是投早期的一家科技基金，我們還是希望能夠在技術拐點或商業的拐點，去投資最優秀的創始人。我認為具身確實還是一個長週期的賽道，後面這種技術拐點跟商業拐點還會持續出來。我們之前佈局了，後面每當拐點臨近或者出現時，我們還會持續去佈局一批這樣的公司。
一些投資中的“苦澀教訓”
最晚到2026年底
有潛力的AI大公司都已浮現
於麗麗：各位都經歷過移動網際網路時代，那在投資中，有沒有察覺到這兩個時代在投資正規化上的一些差異。在AI技術進展裡，我們會經常提到所謂“苦澀的教訓”。在投資中，各位是否有類似總結？
戴雨森：我們基金十幾年都是一個邏輯就是投人，不管是投網際網路、消費，還是AI，這個邏輯是持續的。當技術變化越來越快，能夠把握住的不變數，還是人。
我們以前比較苦澀的教訓一般是事想太多了，想商業模式、未來方向、研究技術細節很多，但在主觀能動性上，忽略了人的成長性。
我們現在反而是更加往人上去靠，我們確實都不是AI專家，但是對於人來說不管技術怎麼變化，人對於一個事情真正的興趣，真正的堅持，真正的熱愛，這是做成事情比較關鍵的條件。
於麗麗：在人的層面，兩個時代有什麼明顯不同嗎？
戴雨森：我覺得基礎學習能力，領導力和創新力都是比較類似的。
對於人的判斷，隨著短期專案的好壞，大家會有recent effect，比如說，去年大家都在找像楊植麟這樣的科學家，要求科學家懂商業，現在大家找肖弘這種一直做應用、做產品的人。
很多種外部表象的創業者都能成功，但他們的核心都是類似的，都有對技術、對新東西的熱愛，始終堅持，對產品和商業也非常關注，這些核心是共性。
陳昱：每家投資機構、每個投資人，其實都有自己的堅守正規化。像雨森是典型的“投人”，而我們更多的是“投技術”。
我們一直關注的是，AI的發展高度依賴基礎模型的能力演進。只要底層模型還在快速推進，必然會對整個基礎設施提出新的需求，甚至可能讓原本不可實現的應用場景變得可行。
我們特別關注底層技術模型的變化。現在的技術演進節奏，和以往已經非常不同，快了很多。我們有時候開玩笑說，移動網際網路時代，從iPhone出現到一批巨頭公司崛起，大概有6～7年的視窗期；但在AI時代，這個週期可能被縮短到一半。
也就是說，真正屬於早期AI投資的視窗期，可能只有3～4年。最晚到2026年底，具有潛力成為AI大公司的，大機率都已經浮現。
至於失敗的原因，很多時候其實不是技術或方向，而是人的問題。我們也看到一些案例——失敗的公司反而沒有那麼糟糕，最難的是那些“剛小有所成就”的公司。一旦取得了一點成績，就容易陷入沾沾自喜，每個人都覺得是靠自己拼出來的，於是開始爭功、內耗，最後反而把公司搞垮了，這樣真的很可惜。
胡朔：我覺得這一代會跟之前移動網際網路有很大不同。第一，這一代產品不具備服務使用者成本的規模化攤銷。第二，今天我們並不具備當年的使用者紅利和市場紅利。第三，使用者的需求已經很好地被滿足，這是很大的不同點。
但有很多可以複用，比如從團隊角度，考察團隊做使用者增長、產品體驗和商業化的能力。
同時對這一代有更多要求。比如，能夠更緊追模型的效能和靈活使用模型的能力，包括第一天就具備國際化視野和能力。
說到教訓，我會把它理解成對於我們的一個難題。
我覺得今天我們遇到一個難題是AI能力如此之強，為什麼全球還是這麼少的使用者在使用。所以，無論今天技術多牛逼，更重要的是能夠讓更多的C端使用者和普通使用者能夠使用。對我們來說，這是我們一直在求解的一個問題。
比如剛剛我們聊到AI Agent，我們確實很驚喜地發現，我個人體感，最近確實看到了更多的AI Agent能夠自主規劃任務、思考調研工具、執行任務，最終交付結果。
夏令：我是2014年入行，我更有感觸的是上一波智慧電動汽車浪潮週期裡優秀創始人的持續成長迭代。
即使再優秀的創始人也會犯錯，但是他用多長時間發現錯誤，如何面對自己的錯誤，以及怎樣去帶領組織成長，我覺得非常重要。還有一點，一定要有自己看到別人沒看到的地方和有自己堅持的非共識。這個事情在我們之前陪伴理想的成長過程中還是非常明顯的。
7、8年前在理想融資很難的階段，有些投資人對李想說要不然放棄增程，只要做純電他們就投，但李想依然堅持第一階段做增程。大家最近看到李想對於AI的理解極具洞察。其實這個事情不是發生在去年或者今年，而是至少早在2022年時，他自己就在一線深入學習瞭解新一波AI。
所以，學習成長能力、迭代速度在不同行業、不同時期的優秀創業者中是高度共性的。
那些會發生的瘋狂的事
人類不會是這個星球上唯一的智慧物種
於麗麗：你們覺得在AI時代還會發生哪些我們沒有想到的瘋狂的事？
戴雨森：用一個詞概括，就是“李世石時刻”。AI在很多領域會超過最厲害的人類的表現。當然之前圍棋做到了，現在我們發現在程式設計、在數學，在很多領域都在接真人，甚至達到了頂尖人類的水平，我們會越來越習慣AI比我們做得好很多。這個會給行業格局帶來很大變化。
陳昱：未來，我們每個人可能都會擁有一批AI“打工人”，每個人都有自己的“哆啦A夢”。
胡朔：今天，我們很興奮地看到有一些產品能夠做得比人好很多，而且完全基於結果導向，甚至基於結果付費。我覺得我們已經看到了，真的助理或者AI labor的出現。
夏令：我覺得很有確定性的是，人類不會是這個星球上唯一的智慧物種。
今天社會似乎比過往更加重理輕文，很多高校甚至在削減文科。但我覺得AI時代文科會越來越重要。人與AI相處過程中，人性以及如何理解複雜社會，是人類最稀缺和最有價值的東西。
未來最瘋狂的事可能是人類不是這個星球上唯一的智慧物種，但最不應該忽視是對人性的珍視和對人類自我的探尋。
於麗麗：這是很有意思且珍貴的一種提醒。研究AI，某種意義上也很像人類的一場終極自我瞭解之旅。而我們何其幸運地趕上了這樣的鉅變時代，可以一起參與和見證這一切。
陳昱：非常神奇的是，AI現在也開始學會“欺騙”。我一開始以為它會像《三體》中的三體人，不會欺騙、沒有隱瞞。所以AI的確是反映人性的，某種意義上，它是人類理解自身的一個終極工具。
深度、敏銳、前瞻，為1%的人捕捉商業先機
36氪旗下精選公眾號